买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利一种基于注意力网络的跨模态情感分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115982652B 。

龙图腾网通过国家知识产权局官网在2026-03-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211623613.1，技术领域涉及：G06F18/2415；该发明授权一种基于注意力网络的跨模态情感分析方法是由章韵;王梦婷设计研发完成，并于2022-12-16向国家知识产权局提交的专利申请。

本一种基于注意力网络的跨模态情感分析方法在说明书摘要公布了：本发明属于自然语言处理、计算机视觉领域及情感分析技术领域，公开了一种基于注意力网络的跨模态情感分析方法，包括：步骤1：提取图片特征，图片文本特征以及方面特征；步骤2：提取的图片文本特征进入模态更新层，每个所述模态更新层包括一个模态对齐模块和两个模态更新模块，每个模态在所述模态对齐模块内对齐，对齐后进入所述模态更新模块，通过利用不同模态的相关性逐步补充，最终获得交互后的图片特征和文本特征；步骤3：将步图片特征和文本特征采用自注意力机制进行多模态融合；步骤4：将图片特征和图片文本特征与多模态特征进行concat操作，进行情感预测。本发明充分利用了跨模态间的信息交互，有助于提高情感预测的准确性。

本发明授权一种基于注意力网络的跨模态情感分析方法在权利要求书中公布了：1.一种基于注意力网络的跨模态情感分析方法，其特征在于：所述跨模态情感分析方法包括以下步骤： 步骤1：提取输入图片文本对应的图片特征，图片文本特征以及给定方面短语的方面特征； 步骤2：提取的图片文本特征进入模态更新层，每个所述模态更新层包括一个用于对齐表示空间的模态对齐模块和两个模态更新模块，每个模态在所述模态对齐模块内对齐，对齐后进入所述模态更新模块，通过利用不同模态的相关性逐步补充，最终获得交互后的图片特征和文本特征； 步骤3：将步骤2中所获得的交互后的图片特征和文本特征采用自注意力机制进行多模态融合，得到多模态特征； 步骤4：将步骤1中的图片特征和图片文本特征与步骤3中的融合后的多模态特征进行concat操作，进行情感预测，其中， 所述步骤2具体包括如下步骤： 步骤2.1：模态对齐模块在模态交互前对齐不同模态的特征空间，得到多模态信息； 步骤2.2：对齐后的多模态信息进入模态更新模块，逐步增强每个模态，每个模态更新层包含两个模态更新模块和，即文本更新模块和图片更新模块，在模态更新层的第一层采用了方面引导的注意力方法，具体过程如下： 其中代表生成的目标模态的隐藏表征，代表方面特征向量，代表可学习参数，表示可变参数，表示模态向量； 计算归一化注意权重： 使用注意力权重对目标模态的特征向量进行加权平均，得到新的目标模态向量； 步骤2.3：为了捕捉不同模态间的双向交互，增强模态间的交互，模态更新模块引入了跨模态注意力机制以及自注意力机制，增强目标模态的具体过程如下： 其中，代表要增强的目标模态，则代表补充模态，如果目标模态是文本，那补充模态则是图片，公式如下： 其中，，和Att分表代表多头自注意力机制、多头跨模态注意力机制和归一化函数以及加性注意力机制，使用加性注意力机制，具体表示如下： 其中，，代表可学习参数，每个模态更新模块的权重都是通过加性注意力机制动态计算获得，从而达到两个模态间信息交互的目的，最终获得增强后的多模态序列和； 所述步骤2.3中，为了学习多模态特征的深度抽象表征，采用GRU将交互注意力机制后的结果与当前层的输入结合起来，在第层中首先使用跨模态注意力机制以及自注意力机制获得增强后的多模态序列，然后使用GRU获得新的文本和图片特征，具体过程如下： 其中：代表多头自注意力机制，为目标模态向量，代表层数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。